Memoria

Un gestor de notas en markdown para DSH: un **gestor de notas MD** y **editor de notas MD** completos, captura rápidamente las conversaciones en notas, mantiene las notas mediante **sincronización con repositorios Git**, y **trae las notas al contexto de la conversación**.

Recuperación semántica, gestión de recursos, autorrecuperación (espacios duales de usuario + agente) y memoria de sesión para DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gestión de recursos memadd/memremove, estado de observador memqueue, captura de sesión memcommit y generación de guías de habilidades memlearn.

El órgano de memoria de Agent-Body: tras 2 minutos de silencio entra en sueño ligero y tras 5 en sueño profundo, donde reglas deterministas destilan la experiencia real en tarjetas de memoria (trampas, manuales, puntos calientes, problemas sin resolver, hechos). Los comandos entrantes recuperan tarjetas relacionadas por palabra clave y las inyectan en el contexto; las tarjetas sin uso decaen con una vida media y se archivan en lugar de borrarse. También elimina el ruido de las advertencias de homeostasis de todo el cuerpo: las repeticiones dentro de una ventana se cuentan en vez de reimprimirse, y una advertencia que se repite sin curarse converge en un desfase de estado estacionario conocido y se silencia. La consolidación y el recuerdo no hacen llamadas al modelo.

Un segundo cerebro autónomo para DeepSeek Harness: captura automáticamente conocimiento de diálogo duradero en una bóveda Markdown local (dedup personalizada, búsqueda CJK, compatible con git), con una base de conocimiento gráfica y un grafo de conocimiento interactivo (filtro de leyenda, coloreado por dimensión temporal, selección por cuadro, fusionar, eliminar, exportar/importar PNG).

Convierte documentos locales en markdown y texto en una base de conocimiento consultable con búsqueda híbrida semántica y por palabras clave, verificación de citas e inyección de fuentes.

Memoria de IA persistente respaldada por una bóveda local de Obsidian/Codex: cinco herramientas obsidian_memory_* de lectura/escritura/búsqueda más un navegador de bóveda en la barra lateral.

RAG de base de conocimiento bibliográfico local: 10 herramientas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), búsqueda híbrida BM25+vectores+reranker, QA con citas y enlaces DOI clicables, embeddings bge totalmente locales sobre un índice SQLite de un solo archivo. Requiere Python 3.9+ con pymupdf, faiss-cpu y sentence-transformers; el instalador `npx dsh-kb-rag-install` los configura y predescarga el modelo.

Proporciona bases de conocimiento locales y remotas con recuperación con alcance de proyecto y sesión, escritura controlada de vuelta y una consola de gestión Web integrada.

Haz que la IA recuerde cómo piensas, no lo que dijiste: captura activamente tus principios, líneas rojas y hábitos de trabajo entre sesiones, con capacidad de memoria, decaimiento gradual y un razonamiento legible para cada entrada. La 0.7.0 trae un retrato de persona intuitivo con trazabilidad de evidencias.

Plugin de memoria DSH de creación propia: almacenamiento persistente SQLite + guardia de auditoría a nivel de base de datos (enforceAudit) + registro de auditoría. Captura conocimiento automáticamente tras las conversaciones, los agentes recuerdan vía memory_recall y admite compartir entre agentes de Claude Code/Codex/Cursor. Cero dependencias externas.

Memoria a largo plazo entre sesiones bajo la metáfora del «palacio de la memoria»: almacenes SQLite de doble ámbito (usuario + proyecto por origen de git), recuperación híbrida de FTS5 y vectores locales con fusión RRF y refuerzo de clasificación por recencia y pruebas, captura automática desde el registro de la sesión (incluido el último turno), cadenas de auditoría de procedencia, destilación por consolidación y olvido por decaimiento, y un panel Memory Library en la página de ajustes con topología de pasillos, mayordomo de visitas y lista de renovaciones.

Puente al ShiGuang Memory Engine (SGME): memoria compartida a largo plazo multiagente vía HTTP, con destilación L0/L1/L1.5/L2, inyección basada en escenarios, búsqueda unificada y señales proactivas de atención (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalable como `dsh-sgme`.

Plugin de memoria entre sesiones para DeepSeek Harness (DSH): memoria de proyecto en Markdown mantenida por el agente mientras trabaja, con divulgación progresiva de archivos temáticos, destilación silenciosa opcional en segundo plano, aislamiento por proyecto y panel de ajustes con recarga en caliente. Mecanismo alineado con Claude Code auto memory.

Capa de integración nativa DSH para el motor de memoria Minta: compone la fila oficial dsh-mcp-client, registra la skill minta-memory-governance más un precalentamiento de memoria al inicio de la sesión, e incluye un preset de agente Minta; requiere el motor Minta desplegado por separado (Python/Docker) para proporcionar las 19 herramientas MCP — no utilizable sin él.

Complemento de memoria a largo plazo y auto-evolución para DSH: captura L0 → extracción de memoria L1 → agrupación de escenas L2 → persona de usuario L3, inyección automática de recuerdos, síntesis de habilidades, totalmente local (SQLite FTS5 + jieba, recuperación vectorial opcional).

Memoria de equipo autoevolutiva como Markdown plano en git: un plugin nativo de Cordis que registra 38 herramientas de memoria de nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Memoria de equipo autoevolutiva como Markdown plano en git: un complemento Cordis nativo que registra 38 herramientas de memoria con nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un único repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Añade un panel de ajustes multiusuario al cliente web de DSH: selección de modo de uso, gestión de miembros con estado en línea y vinculación de dispositivos, y cambio o compartición de las bases de memoria y conocimiento por miembro.

Añade /pua para guiar al agente a probar otro enfoque y verificar los resultados antes de declarar la finalización, con 15 estilos de empresa, modos de persona, ajustes globales y por conversación, y un bucle opcional que continúa hasta que un comando de verificación pasa, se alcanza el límite de iteraciones o el usuario cancela.

Adelgazamiento reversible del contexto para DeepSeek Harness: recodificación tabular sin pérdida estilo TOON de arrays JSON uniformes, ventanas de tablas muestreadas por stride con números de línea y deduplicación entre turnos para salidas repetidas de herramientas; cada reemplazo pasa por una compuerta de bytes+tokens (≤72% de bytes, estrictamente menos tokens estimados) y el original se vuelca a disco detrás de un aviso `[save-token #id]`, recuperable en una sola llamada mediante la herramienta `save_token_expand`, con medición de tokens facturados y ahorrados en un panel de configuración.

Memoria entre sesiones con recuerdo determinista de cero tokens (bigrama-Jaccard fusionado con FTS5 BM25 mediante RRF, tokenización sensible al chino), refuerzo que fortalece observaciones repetidas y procedimientos cristalizados en archivos SKILL.md refinados in situ mediante un ciclo activo-inactivo-archivado con archivo reversible y rollback. La ingesta y la eliminación exponen cada una un nivel de autonomía elegido por el usuario; los conflictos y las escrituras de alta importancia siempre van a revisión humana, y nada se elimina automáticamente. Requiere Node 22.5+.

Memoria persistente local-primero para DeepSeek Harness: inyección acotada de memoria caliente previa al paso, recuperación en frío BM25 exacta y de bigramas chinos, seis herramientas de agente, escrituras lease-lock con aprobación y recibos de recuperación, y candidatos de gobernanza y revisión de trayectorias de solo lectura.

Puerto fiel del mecanismo MEMORY.md / USER.md de hermes-agent para DSH: memoria de doble banco limitada (2200/1375 caracteres), una única herramienta `memory` (add/replace/remove/batch), inyección de snapshot congelado por sesión, recordatorios de nudge, almacenamiento JSON nativo de DSH — cero dependencias externas, cero coste de LLM.

Plugin de DeepSeek Harness que se conecta a un PowerContext Server por HTTP para recuperación, memoria, traspaso, experiencia y skills.